Xiaohongshu logo
小红书
多模态数据库研发实习生

多模态数据库研发实习生

发布于 2 小时前

实习/见习

AI 估算 · 8.0千–1.2万 · AI 参考估算
无经验要求
本科
实习生仅现场办公数据库管理
数据库管理
Go
Lsm-Tree
Raft
分布式数据库
向量检索
多模态数据库
存储引擎

值不值得投

76综合评分

综合评分 76

前沿数据库内核实习,技术成长强,薪资福利未披露,出勤要求明确

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便比较实习机会。

薪资怎么样

1.0万

比数据库管理中位数低

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 2490 个在招

市场机会

选择不多

上海 · 数据库管理 · 8 个在招

职位详情

关于这个职位

这是一个面向在校生的多模态数据库研发实习岗位,将参与小红书自研分布式多模态数据库内核建设,覆盖存储引擎、索引、查询执行、分布式复制等方向

你将接触 KV、宽表、文档、向量等数据模型,并参与面向 AI 场景的检索能力、生态工具及稳定性工程建设

最低要求

【任职资格】

本科及以上学历在读,计算机、软件工程等相关专业
具备扎实的算法与数据结构基础,熟练掌握 C/C++、Go、Java、Python 中至少一门编程语言
掌握操作系统、计算机网络、数据库等基础知识,对数据库内核、分布式系统或存储系统有浓厚兴趣
具备良好的学习能力、沟通能力和团队合作精神,责任心强,能够主动分析问题并推动解决
可连续实习 6 个月及以上,每周出勤 4 天及以上

工作职责

【工作职责】

参与分布式多模态数据库内核的设计、开发、测试和发布,包括存储引擎、索引、查询执行、分布式复制等方向
参与多种数据模型的存储与检索能力建设,探索向量检索、混合查询等面向 AI 场景的数据库能力
参与数据库管控平台、SDK 及生态工具建设,提升数据库的易用性与运维效率
参与数据库性能优化与稳定性、可靠性工程建设,包括性能测试、故障注入、监控诊断及问题排查

优先资格

【加分项】

有数据库、存储引擎、分布式系统相关项目或开源贡献经历
了解 LSM-Tree、RocksDB、Raft、事务、查询优化等技术中的一项或多项
有向量索引、全文检索、混合检索或 AI 数据基础设施相关实践经验
具备利用 AI Coding 工具解决实际工程问题的能力,能够借助工具完成问题分析、代码开发、故障排查与测试,并对生成代码进行理解、验证和改进

AI 洞察

优缺点分析

优点

  • 岗位直接参与从 0 到 1 自研分布式多模态数据库,能接触数据库内核和基础架构核心问题
  • 技术方向覆盖 KV、宽表、文档、向量、混合查询和 AI 数据基础设施,技术广度与深度兼具
  • 业务场景来自广告、搜推、社区、电商及 AI 应用,能够理解大规模真实业务对数据库能力的要求
  • 工作内容包含设计、开发、测试、发布、性能优化和稳定性建设,有利于形成完整工程闭环经验
  • 实习要求连续 6 个月及以上、每周出勤 4 天及以上,对在校生的课程和时间安排有一定要求
  • 涉及性能测试、故障注入、监控诊断和线上问题排查,需要具备耐心和较强的工程调试能力
  • 适合计算机、软件工程等相关专业在读学生,尤其是有数据库、存储引擎、分布式系统、向量检索或开源项目经验,并希望深入基础架构研发的人

缺点 / 挑战

  • 数据库内核、分布式复制、事务和查询优化等技术门槛较高,需要较强的系统基础和代码能力

角色解读

  • 从实习期参与具体模块开发起步,逐步深入理解数据库内核、分布式一致性和存储检索系统全链路
  • 后续可向数据库内核研发、分布式存储研发、向量数据库/AI 基础设施、基础架构工程等方向发展
  • 对表现优秀的实习生,可能形成校招转正或更深入参与核心项目的机会,但需以实际招聘政策为准
  • 参与分布式多模态数据库内核研发,围绕存储引擎、索引、查询执行和分布式复制等模块进行设计、开发、测试与发布
  • 支持 KV、宽表、文档、向量等多种数据模型的存储与检索能力建设,探索向量检索和混合查询等 AI 场景能力
  • 参与数据库管控平台、SDK 和生态工具建设,提升数据库易用性、运维效率和工程落地体验
  • 参与性能优化与稳定性建设,包括性能测试、故障注入、监控诊断和线上问题排查
  • 需要扎实的算法与数据结构基础,并至少熟练掌握 C/C++、Go、Java、Python 中的一门语言
  • 需要理解操作系统、计算机网络和数据库基础知识,对数据库内核、分布式系统或存储系统有持续兴趣
  • 有 LSM-Tree、RocksDB、Raft、事务、查询优化、向量索引或全文检索经验会更具竞争力
  • 需要具备良好的学习能力、沟通协作能力和主动排查问题的能力,能适应较长周期实习

申请策略

  • 投递时优先选择与自己项目经历最匹配的城市,并在简历中说明可实习时间和到岗时间
  • 提前了解小红书社区、搜推、电商和 AI 业务对多模态数据存储与检索的需求,面试中结合业务场景表达技术兴趣
  • 重点突出与数据库、存储引擎、分布式系统相关的项目,说明自己负责的模块、技术方案、实现难点和最终效果
  • 突出掌握的编程语言和系统设计能力,例如 C/C++、Go、Java、Python,以及算法与数据结构基础
  • 如果有 RocksDB、LSM-Tree、Raft、事务、查询优化、向量索引、全文检索或混合检索经验,应单独列为技术亮点
  • 强调可连续实习 6 个月以上、每周出勤 4 天以上,并说明过往项目中主动分析问题和推动解决的经历
  • 面试前可复习数据库基础、存储引擎结构、LSM-Tree、B+Tree、事务、MVCC、Raft 和分布式一致性等核心知识
  • 可准备一个可展示的项目或开源贡献,用代码仓库、设计文档或性能测试结果证明自己的工程能力

面试指南

  • 项目类问题采用“背景—目标—方案—实现—结果—反思”的结构,重点讲清技术取舍和自己的实际贡献
  • 原理类问题先讲核心概念和适用场景,再结合读写性能、一致性、工程复杂度等维度分析优缺点
  • 排查类问题按照“现象确认—指标定位—日志追踪—复现实验—修复验证—预防机制”的顺序回答,体现系统化工程思维
  • 请介绍一个你参与过的数据库、存储系统或分布式系统项目,你负责了哪些模块?
  • LSM-Tree 的基本原理是什么?它在写入和读取性能上有哪些取舍?
  • Raft 如何保证分布式系统中的一致性?请说明选主和日志复制过程
  • 向量检索和传统关键词检索有什么区别?混合查询可能面临哪些工程挑战?
  • 如果数据库出现延迟升高或请求失败,你会如何从监控、日志、资源和代码层面排查?

职位点评

薪资福利72
成长发展92
工作生活55
使命价值78

薪资福利

72中等

JD 未披露薪资和福利信息,因此补偿性动机只能基于岗位技术要求和实习属性判断,满足程度有限。作为高技术要求实习岗,预计津贴具备一定吸引力,但原文未提供明确依据。

薪资信号未披露(AI估算:8.0千–1.2万/月)

成长发展

92较高

岗位覆盖数据库内核、分布式系统、向量检索、混合查询和 AI 数据基础设施等前沿方向,并参与从设计到上线的完整过程,对技术成长非常有利。JD 还列出数据库、存储引擎、分布式系统和 AI Coding 等加分项,适合希望夯实系统能力的实习生。

技术前沿前沿/新兴技术
技术栈分布式多模态数据库、存储引擎、索引、查询执行、分布式复制、向量检索、混合查询、LSM-Tree、RocksDB、Raft、事务、查询优化、AI Coding
业务类型ambiguous

工作生活

55较低

JD 明确要求每周出勤 4 天及以上、连续实习 6 个月以上,但未说明远程、弹性或加班安排,生活灵活性信息不足。多城市可选为通勤提供了一定选择空间,但具体办公地点仍需确认。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

78中等

岗位服务于广告、搜推、社区、电商及 AI 应用等核心业务场景,参与自研数据库基础设施具有较好的技术价值和应用价值。JD 未直接表达社会使命或公共价值导向,意义感主要来自底层技术建设和业务支撑。

行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs